随着互联网的发展和普及,网络媒体平台已经成为人们快速获取和共享信息的重要渠道。然而,媒体平台在给人民生活带来便利的同时也成为虚假信息产生与传播的重灾区。网络虚假信息具有种类繁多、数据量大、迷惑性强等特点,单纯依靠人工检测效率极低。因此,如何在信息发布早期准确、快速的检测虚假信息是亟待解决的关键问题。目前虚假信息检测的相关工作主要以信息文本、传播结构和用户画像作为研究对象。其中,基于传播结构和用户画像的方法面临数据采集受限、数据缺失以及早期检测困难等问题;基于文本的检测方法最直接、便利,有利于实现虚假信息的早检测。现有基于文本的检测工作大多聚焦于文本中词或句子的语义表示,忽略了文本内在结构关系对语义理解的重要作用。而文本是由词、短语、句子、段落等不同粒度的文本单元按照一定关系搭建起来的有序结构,不同结构反映了内容主体的因果、顺承、转折等逻辑信息,表达出不同的语义。因此,将文本结构关系引入将有助于虚假信息的准确检测。基于此,本文从理论研究和系统实现两方面,对基于文本结构的虚假信息检测展开研究,主要工作和贡献如下:（1）提出一种基于句子的虚假信息早期检测模型Sem Seq4FD。该模型以文本中的句子作为基本计算单元,通过对句子间的全局语义交互关系结构、局部相邻上下文结构和全局顺序结构特征进行计算,以提升虚假信息检测质量。具体而言,首先构建以句子为节点的全连接完全图,采用图卷积神经网络捕捉句子间的全局语义关系,并使用自注意力机制强调不同句子的重要性,获得了全局句子表示;然后,考虑到相邻句子之间的局部上下文对文本表达有重要作用,采用文本卷积神经网络得到局部句子表示;最后,将全局句子表示和局部句子表示拼接后形成增强型句子表示,建立LSTM网络模拟全局阅读顺序对增强型句子表示进行融合,生成最终文本表示用于虚假信息检测。在中文和英文数据集上进行跨来源和跨领域的实验,结果表明本模型不仅能够有效提升虚假信息早期检测准确率,而且具备较强的泛化能力和鲁棒性。（2）提出一种基于基本语篇单元的虚假信息早期检测模型EDU4FD。基本语篇单元（Elementary Discourse Unit,EDU）是一种介于单词和句子粒度之间的文本单元,通常表现为从句或短语,它能比单词表达出更连贯的语义,比句子表达出更细节的信息。本模型以EDU为计算单元,从EDU序列结构和EDU依存图结构两个视角进行计算以提升虚假信息检测效果。对于前者,利用文本卷积神经网络建模连续EDU之间的连贯性和语义一致性,得到基于序列的EDU表示。对于后者,首先提取出文本中的修辞关系,搭建以EDU为节点,多种修辞关系为边的EDU语篇依存图,该图结构能够表达出位置不相邻、但语义上相互依存的EDU之间的长距离依赖关系,描述了全局叙事逻辑,有利于传达文本主要思想;然后,建立关系型图注意力网络得到基于图的EDU表示。最后,将基于序列的EDU表示和基于图的EDU表示拼接后输入门控循环单元与全局注意力机制的融合网络,根据原文顺序整合重要EDU表示以得到文本的增强表示,进而完成虚假信息检测。在多个跨来源数据集上的实验结果表明,与基线模型相比,本模型表现出更优秀的检测准确性和稳定性。（3）基于本文所建立的模型,设计并实现了一个在线虚假信息检测系统。该系统是一种方便的浏览器插件,在任意页面选中文本即可快速检测;可以兼容中文、英文两种语言;具有虚假信息实时检测、用户交互反馈和模型因果解释三大功能,支持模型自学习、自修正;具有用户友好的可视化界面。在中英文真实场景中进行应用测试,表明本系统具有较强的实用性和推广价值。